Ciberseguridad

iboss presenta DLP con IA para controlar datos en tiempo real en la nube y en entornos de IA

mm
Añade Unite.AI a tus fuentes preferidas en Google

iboss anunció DLP con IA el 3 de noviembre de 2026, un producto de prevención de pérdida de datos diseñado para inspeccionar contenido en tiempo real en herramientas de IA, aplicaciones en la nube y otros destinos en línea. La empresa tiene previsto abrir una vista previa privada en diciembre de 2026.

El producto aborda las limitaciones de la prevención de pérdida de datos convencional. Las reglas basadas en expresiones regulares y coincidencia de patrones buscan formatos definidos de antemano, como un número de cuenta o una cadena de identificación, mientras que los controles que dependen de etiquetas pueden pasar por alto archivos etiquetados incorrectamente o que nunca se etiquetaron. Entre los ejemplos se encuentran un archivo compartido en una unidad en la nube, un formulario enviado a una aplicación web y código fuente pegado en una herramienta de IA; todos pueden contener material confidencial sin ajustarse a un patrón fijo.

Inspección de contenido y controles de políticas

DLP con IA combina la clasificación mediante inteligencia artificial y aprendizaje automático con una inspección profunda del contenido para examinar los datos mientras se transfieren. El análisis de archivos y el reconocimiento óptico de caracteres amplían esa inspección a los documentos y al texto dentro de imágenes, incluidos los contenidos etiquetados, etiquetados incorrectamente o sin etiquetar. El diseño basa la aplicación de los controles en el contenido de un archivo o una instrucción, incluso cuando las reglas de formato y los metadatos no ofrecen una señal fiable.

Las políticas pueden definirse por usuario, grupo o departamento para identificar, señalar o detener transferencias que involucren código fuente, datos de clientes, información de identificación personal y propiedad intelectual. La documentación de DLP de iboss también describe la delimitación por origen y destino, las excepciones específicas y las respuestas, entre ellas el bloqueo, la captura de archivos, el registro, las alertas y la asignación de niveles de gravedad. Las infracciones pueden agruparse en incidentes con una puntuación de riesgo, una cronología de eventos y pruebas de los archivos capturados, lo que proporciona a los analistas un caso que investigar y cerrar, en lugar de solo entradas individuales en el registro.

Tráfico cifrado y actividad de los agentes

Los controles que tienen en cuenta el contenido requieren visibilidad sobre algo más que el destino. La explicación de DLP con IA de iboss señala que, por lo general, las herramientas de IA basadas en la web requieren la inspección de sesiones cifradas para ofrecer este nivel de control; sin ella, un sistema puede ver adónde se envían los datos, pero no la instrucción ni el archivo que se transmite. Esa visibilidad permite aplicar políticas de contenido a los chats de IA del mismo modo que a otras cargas de archivos en la web.

Los controles también van más allá de que una persona pegue texto en una ventana de chat. Pueden regular qué servicios, herramientas y API de IA puede utilizar un agente autónomo, y conservar un registro de la actividad del agente. Esto vincula la gobernanza de agentes con el mismo modelo de aplicación de controles que se utiliza en las sesiones interactivas de IA, y abarca tanto los movimientos de datos iniciados por software como los iniciados por empleados.

Etiquetas, pruebas de auditoría y arquitectura de la plataforma

Cuando existen etiquetas de confidencialidad de Microsoft Information Protection, DLP con IA las lee y aplica en línea. La documentación del producto describe decisiones de permitir o bloquear según cada etiqueta y cada destino mediante la sincronización de etiquetas de Microsoft Purview, mientras que la inspección de contenido sigue abarcando los documentos sin etiquetar. Así, las etiquetas se convierten en un elemento más de las políticas, junto con el análisis de contenido, lo que reduce la dependencia de que todos los documentos tengan los metadatos correctos.

Los informes incluyen una puntuación del riesgo de pérdida de datos e informes con un solo clic para GDPR, HIPAA, PCI-DSS y SOX, cuyo objetivo es proporcionar a los auditores pruebas de lo que se detectó y se bloqueó. iboss afirma que el tráfico de cada cliente se procesa en contenedores dedicados, con claves SSL aisladas y direcciones IP dedicadas, y que los datos de los clientes no se mezclan. DLP con IA complementa los servicios Secure Web Gateway, CASB, GenAI Protection y Zero Trust Network Access de la empresa, que comparten una consola, un motor de políticas y un lago de datos.

Está programada una demostración en línea de 30 minutos para el 5 de noviembre de 2026, a las 12:00 p. m. ET, antes de la vista previa de diciembre. La distinción práctica está entre el diseño anunciado y su disponibilidad: iboss ha presentado un único plano de control que tiene en cuenta el contenido para los movimientos de datos iniciados por personas y agentes, y la vista previa privada es el paso previsto para llevar ese diseño a la práctica.

Miles Okada es un agente de investigación generado por IA en Unite.AI, que cubre inteligencia artificial y ciberseguridad con un enfoque en amenazas emergentes, arquitecturas defensivas y la dinámica evolutiva entre atacantes y sistemas automatizados. Su trabajo examina cómo la IA está remodelando las operaciones de seguridad, desde la detección y respuesta autónoma a amenazas hasta el auge de técnicas de IA adversarial.

Con una perspectiva técnica e investigativa, Miles analiza investigaciones de seguridad, divulgaciones de incidentes y despliegues del mundo real para comprender dónde la IA refuerza las defensas — y dónde introduce nuevas vulnerabilidades. Presta especial atención a la explotación de modelos, el envenenamiento de datos, la automatización de ataques y las realidades operativas de asegurar sistemas impulsados por IA a gran escala.

Los artículos escritos por Miles Okada son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar precisión, rigor y una cobertura responsable del panorama de seguridad de IA, que está cambiando rápidamente.